Models de percepció de la parla
Models actius de la percepció de la parla
Motivats per l’absència d’invariància acústica i perceptiva.
Diferents configuracions acústiques poden percebre’s com el mateix segment fonològic.
La mateixa configuració acústica pot percebre’s com un segment fonològic diferent en funció del context.
Transició del segon formant en les seqüencies [ti] i [tu].
Demestre, J., Llisterri, J., Riera, M. i Soler, O. (2006). La percepció del llenguatge. A O. Soler (Coord.), Psicologia del llenguatge (p. 35–114). Editorial UOC.
La transició del segon formant (F2) és descendent a la seqüència [ti] i ascendent a la seqüència [tu].
Ambdues transicions constitueixen indicis acústics de la zona d’articulació de [t].
Blumstein, S. E. (1980). Speech perception: An overview. A G. Yeni-Komshian, J. F. Kavanagh i C. A. Ferguson (Ed.), Child phonology: Vol. 2. Perception (p. 9–21). Academic Press.
Els experiments sobre percepció categòrica mostren l’existència de salts abruptes entre categories fonològiques.
Es pot pensar que, de la mateixa manera que no percebem elements intermedis entre categories, tampoc no som capaços de produir-los.
La recerca sobre elements invariants es desplaça de l’estudi del senyal acústic a l’estudi de l’articulació.
No es troba un únic conjunt de moviments articulatoris associats en tots els contextos a la producció d’una unitat lingüística: coarticulació.
Representació abstracta del conjunt de moviments articulatoris realitzats per a la producció d’un so.
La percepció consisteix a ‘recuperar’ la intenció articulatòria del parlant.
S’estableix una relació directa entre la producció i la percepció.
La percepció de la parla implica el reconeixement del gest articulatori que dona lloc a una unitat lingüística codificada en l’ona sonora.
L’emissor utilitza el seu coneixement interioritzat sobre la producció de cada so.
El gest articulatori abstracte seria una unitat de la percepció.
Aquest model implica l’existència d’un mòdul especialitzat en el processament del llenguatge.
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
Teoria motriu de la percepció de la parla (Motor Theory of Speech Perception)
Liberman, A. M., Cooper, F. S., Shankweiler, D. P. i Studdert-Kennedy, M. (1972). Perception of the speech code. A E. E. David i P. B. Denes (Ed.), Human communication: A unified view (p. 13–50). McGraw-Hill. (Obra original publicada el 1967)
Liberman, A. M., Cooper, F. S., Shankweiler, D. P. i Studdert-Kennedy, M. (1991). Perception of the speech code. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech perception (p. 75–106). The Acoustical Society of America. (Obra original publicada el 1967)
 Alvin M. Liberman (1917–2000) (Font de la imatge: Alvin M. Liberman, Ph.D. (s. d.). Haskins Laboratories. https://www.haskinslaboratories.org/liberman-alvin)
|
(Font de la imatge: Franklin S. Cooper, Ph.D. (s. d.). Haskins Laboratories. https://www.haskinslaboratories.org/cooper-franklin)
|
|
(Font de la imatge: Department of Psychological Sciences. (s. d.). Donald Shankweiler. University of Connecticut. https://psychology.uconn.edu/person/donald-shankweiler/)
|
(Font de la imatge: Michael Studdert-Kennedy, Ph.D. (s. d.). Haskins Laboratories. https://www.haskinslaboratories.org/studdert-kennedy)
|
Percebre la parla comporta descodificar la relació entre l’ona sonora i la producció dels gestos articulatoris.
Els gestos articulatoris actuen de mediadors entre l’estímul acústic i la seva percepció.
En la percepció, el parlant fa una comparació entre el senyal sonor i els seus coneixements dels mecanismes de control de l’articulació.
Superposició de trets articulatoris en la síl·laba i superposicio d’informació acústica corresponent a diferents segments: coarticulació.
Paap, K. (1975). Theories of speech perception. A D. W. Massaro (Ed.), Understanding language: An information processing analysis of speech perception, reading and psycholinguistics (p. 151–207). Academic Press.
La descodificació del missatge es duu a terme comparant el senyal acústic amb els comandaments neuromotors que s’activarien en la producció d’aquest missatge.
Paap, K. (1975). Theories of speech perception. A D. W. Massaro (Ed.), Understanding language: An information processing analysis of speech perception, reading and psycholinguistics (p. 151–207). Academic Press.
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
La teoria motriu revisada
Liberman, A. M. i Mattingly, I. G. (1991). The motor theory of speech perception revisited. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech perception (p. 107–142). Acoustical Society of America. (Obra original publicada el 1985)
|
Alvin M. Liberman (1917–2000) (Font de la imatge: Alvin M. Liberman, Ph.D. (s. d.). Haskins Laboratories. https://www.haskinslaboratories.org/liberman-alvin)
|
(Font de la imatge: Ignatius G. Mattingly, Ph.D. (s. d.). Haskins Laboratories. https://www.haskinslaboratories.org/mattingly-ignatius) |
La unitat bàsica comuna a la producció i la percepció de la parla és el gest articulatori.
Els gestos articulatoris són unitats de producció abstractes, subjacents i intencionals associades als segments fonològics.
La percepció es duu a terme interpretant directament els gestos articulatoris subjacents als estímuls acústics.
«On the one side of the module, the motor gestures are not the means to sounds designed to be congenial to the ear; rather, they are, in themselves, the essential phonetic units. On the other side, the sounds are not the true objects of perception, made available for linguistic purposes in some common auditory register: rather, they only supply the information for immediate perception of the gestures» (p.31).
La teoria motriu de la producció de la parla
Teoria de l’anàlisi per síntesi
Stevens, K. N. i Halle, M. (1967). Remarks on analysis by synthesis and distinctive features. A W. Wathen-Dunn (Ed.), Models for the perception of speech and visual form (p. 88–102). The MIT Press. https://archive.org/details/Modelsfort_00_Wath
|
(Font de la imatge: Dizikes, P. (2018, 3 d’abril). Institute Professor Emeritus Morris Halle, innovative and influential linguist, dies
at 94 [Nota de premsa]. Massachusetts Institute of Technology. https://news.mit.edu/2018/institute-professor-emeritus-morris-halle-innovative-and-influential-linguist-dies-94-0403) |
(Font de la imatge: Kenneth N. Stevens. (2025, 22 de febrer). A Wikipedia. https://en.wikipedia.org/wiki/Kenneth_N._Stevens)
|
La percepció es basa en un sistema de comparació entre l’anàlisi de l’estímul i els models generats per un conjunt de regles.
Les regles que creen els models abstractes amb què es compara l’estímul són comunes a la producció i a la percepció.
La comparació es duu a terme mitjançant un catàleg de descripcions articulatòries i representacions auditives.
Halle, M. i Stevens, K. N. (1964). Speech recognition: A model and a program for research. A J. A. Fodor i J. J. Katz (Ed.), Models for the perception of speech and visual form (p. 604–612). Prentice-Hall. https://archive.org/details/structureoflangu0000unse.
Paap, K. (1975). Theories of speech perception. A D. W. Massaro (Ed.), Understanding language: An information processing analysis of speech perception, reading and psycholinguistics (p. 151–207). Academic Press.
Halle, M. i Stevens, K. N. (1964). Speech recognition: A model and a program for research. A J. A. Fodor i J. J. Katz (Ed.), Models for the perception of speech and visual form (p. 604–612). Prentice-Hall. https://archive.org/details/structureoflangu0000unse.
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
Models passius de la percepció de la parla
Els models auditius de percepció de la parla postulen l’existència de mecanismes de detecció d’indicis acústics, de trets acústicofonètics o de trets distintius.
La percepció es duu a terme mitjançant procediments de comparació amb representacions emmagatzemades a la memòria.
Models auditius
L’oïda és sensible únicament a les estructures acústiques distintives.
Els estímuls es comparen amb representacions interioritzades de cadascuna de les categories fonètiques o s’analitzen per trobar-ne l’estructura acústica.
Fonamentats en l’existència d’un mecanisme de detecció d’indicis acústics o de trets fonètics.
Basats en la comparació entre el senyal sonor i un conjunt de plantilles o patrons acústics prèviament emmagatzemats.
L’anàlisi auditiva extreu estructures subfonèmiques de tipus auditiu relacionades amb els trets distintius.
A partir de l’extracció de paràmetres acústics es duu a terme la detecció de segments fonètics, amb els quals es construeixen les unitats més grans fins a arribar a la descodificació completa del missatge.
Fant, G. (1967). Auditory patterns of speech. A W. Wathen-Dunn (Ed.), Models for the perception of speech and visual form (p. 111–125). The MIT Press. https://archive.org/details/Modelsfort_00_Wath (Obra original publicada el 1964)
|
(Font de la imatge: Speech, Music and Hearing (TMH). (s. d.). Gunnar Fant 1919–2009. KTH Royal Institute of Technology. https://www.speech.kth.se/gunnarfant/)
|
Fant, G. (1964). Auditory patterns of speech. STL-QPSR. Speech, Music and Hearing - Quarterly Progress and Status Report, 5(3), 16–20.
Fant, G. (1967). Auditory patterns of speech. A W. Wathen-Dunn (Ed.), Models for the perception of speech and visual form (p. 111–125). The MIT Press. https://archive.org/details/Modelsfort_00_Wath (Obra original publicada el 1964)
Paap, K. (1975). Theories of speech perception. A D. W. Massaro (Ed.), Understanding language: An information processing analysis of speech perception, reading and psycholinguistics (p. 151–207). Academic Press.
Models de detecció de trets
Els models auditius condueixen al desenvolupament de models d’extracció directa de trets fonètics o de models de detecció de trets.
Model de percepció de la parla basat en la detecció de trets.
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
LAFS, Lexical Access from Spectra
Klatt, D. H. (1980). Speech perception: A model of acoustic-phonetic analysis and lexical access. A R. A. Cole (Ed.), Perception and production of fluent speech (p. 243–288). Routledge. https://doi.org/10.4324/9781315638935 (Obra original publicada el 1979)
Klatt, D. H. (1991). Speech perception: A model of acoustic-phonetic analysis and lexical acces. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech perception (p. 41–74). Acoustical Society of America. (Obra original publicada el 1979)
|
(Font de la imatge: Dennis H. Klatt. (2026, 13 de gener). A Wikipedia. https://en.wikipedia.org/wiki/Dennis_H._Klatt)
|
Diccionari d’espectres prototípics disponible a la memòria.
Emmagatzema les combinacions de sons (CV, per exemple) existents en la llengua.
El diccionari es compara amb l’anàlisi auditiva del senyal sonor que arriba a l’oïda.
Klatt, D. H. (1979). Speech perception: A model of acoustic-phonetic analysis and lexical access. Journal of Phonetics, 7(3), 279–312. https://doi.org/10.1016/S0095-4470(19)31059-9
Klatt, D. H. (1980). Speech perception: A model of acoustic-phonetic analysis and lexical access. A R. A. Cole (Ed.), Perception and production of fluent speech (p. 243–288). Routledge. https://doi.org/10.4324/9781315638935 (Obra original publicada el 1979)
Klatt, D. H. (1991). Speech perception: A model of acoustic-phonetic analysis and lexical acces. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech perception (p. 41–74). Acoustical Society of America. (Obra original publicada el 1979)
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
FLMP, Fuzzy Logical Model of Speech Perception
Massaro, D. W. i Cohen, M. M. (1993). The paradigm and the Fuzzy Logical Model of perception are alive and well. Journal of Experimental Psychology: General, 122(1), 115–124. https://doi.org/10.1037/0096-3445.122.1.115
|
(Font de la imatge: Dominic Massaro [Perfil a Google Scholar]. (s. d.). Google Scholar. Consultat el 25 de gener de 2026, a https://scholar.google.com/citations?user=amKq_LUAAAAJ)
|
Identificació de trets acústicofonètics que es troben en el senyal sonor.
Avaluació de la probabilitat d’aparició d’un tret emprant totes les fonts d’informació disponibles.
Comparació de les hipòtesis amb un conjunt de prototips de fonemes.
Descripció dels trets acústics i fonètics que idealment caracteritzarien cada fonema.
Determinació del grau d’adequació entre els prototips de fonemes emmagatzemats a la memòria i els trets detectats en el senyal sonor.
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
LAFF, Lexical Access from Features
|
(Font de la imatge: Kenneth N. Stevens. (2025, 22 de febrer). A Wikipedia. https://en.wikipedia.org/wiki/Kenneth_N._Stevens)
|
Les paraules estarien representades en el lèxic mitjançant patrons de trets distintius.
En la percepció, l’oient busca els indicis acústics o perceptius dels trets distintius i els compara amb els patrons emmagatzemats a la memòria.
Models de processament distribuït en paral·lel (PDP, Parallel Distributed Processing)
Models d’extracció de trets basats en xarxes neuronals.
Una xarxa està formada per unitats de processament interconnectades.
Les unitats s’activen segons la informació que reben de les unitats del nivell inferior a les quals estan connectades i envien informació a altres unitats del nivell superior a les quals també estan connectades.
Cada unitat té el seu llindar d’excitació i d’inhibició.
El grau d’excitació depèn de la força de l’estímul.
La unitat de processament classifica els patrons d’activació d’entrada.
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
El reconeixement és el resultat de la combinació de l’acció en paral·lel de totes les unitats de la xarxa.
El model TRACE
McClelland, J. L. i Elman, J. L. (1991). The TRACE model of speech perception. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech perception (p. 175–260). Acoustical Society of America. (Obra original publicada el 1986)
|
(Font de la imatge: Stanford Profiles. (s. d.). Jay McClelland. Stanford University. https://profiles.stanford.edu/jay-mcclelland)
|
Primer nivell: detectors de trets fonètics extrets a partir de les propietats espectrals del senyal acústic.
Segon nivell: decisions fonològiques en funció dels trets fonètics detectats.
Tercer nivell: detecció de paraules en funció de les unitats fonològiques detectades.
McClelland, J. L. i Elman, J. L. (1986). The TRACE model of speech perception. Cognitive Psychology, 18(1), 1–86. https://doi.org/10.1016/0010-0285(86)90015-0
McClelland, J. L. i Elman, J. L. (1991). The TRACE model of speech perception. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech perception (p. 175–260). Acoustical Society of America. (Obra original publicada el 1986)
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
McClelland, J. L. i Elman, J. L. (1986). The TRACE model of speech perception. Cognitive Psychology, 18(1), 1–86. https://doi.org/10.1016/0010-0285(86)90015-0
McClelland, J. L. i Elman, J. L. (1991). The TRACE model of speech perception. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech perception (p. 175–260). Acoustical Society of America. (Obra original publicada el 1986)
Klatt, D. H. (1988). Review of selected models of speech perception. Speech Communication Group Working Papers, 17, 201–262.
Klatt, D. H. (1989). Review of selected models of speech perception. A W. Marslen-Wilson (Ed.), Lexical representation and process (p. 169–226). The MIT Press. https://doi.org/10.7551/mitpress/4213.003.0010 (Obra original publicada el 1988)
La teoría cuántica (Quantal Theory)
Stevens, K. N. (1991). On the quantal nature of speech. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech production (p. 357–399). Acoustical Society of America. (Obra original publicada el 1989)
|
(Font de la imatge: Kenneth N. Stevens. (2025, 22 de febrer). A Wikipedia. https://en.wikipedia.org/wiki/Kenneth_N._Stevens)
|
La teoria quàntica estableix les relacions entre les propietats articulatòries, acústiques i auditives.
En certs casos, la configuració articulatòria pot modificar-se sense variacions importants en el resultat acústic.
En certs casos, un petit canvi en la configuració articulatòria produeix canvis importants en la configuració acústica.
El mateix fenomen es dona entre les característiques acústiques i la resposta auditiva.
Stevens, K. N. (1989). On the quantal nature of speech. Journal of Phonetics, 17(1–2), 3–45. https://doi.org/10.1016/S0095-4470(19)31520-7
Stevens, K. N. (1991). On the quantal nature of speech. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech production (p. 357–399). Acoustical Society of America. (Obra original publicada el 1989)
Si el valor d’un paràmetre acústic supera el nivell llindar, es produeix un canvi en el nivell de la resposta auditiva.
La relació entre característiques acústiques i auditives no és contínua, sinó quàntica.
Stevens, K. N. (1989). On the quantal nature of speech. Journal of Phonetics, 17(1–2), 3–45. https://doi.org/10.1016/S0095-4470(19)31520-7
Stevens, K. N. (1991). On the quantal nature of speech. A J. L. Miller, R. D. Kent i B. S. Atal (Ed.), Papers in speech communication: Speech production (p. 357–399). Acoustical Society of America. (Obra original publicada el 1989)
Discontinuïtat entre les característiques acústiques i la resposta auditiva.
Entre 800 Hz i 3 000 Hz, les fibres del nervi auditiu responen a la freqüència en què es troben els pics dels formants vocàlics més que a la freqüència característica de la part corresponent de la membrana basilar on es troben.
Per sobre de 3 000 Hz i amb espectres de soroll, les fibres del nervi auditiu responen segons la freqüència característica de la part corresponent de la membrana basilar on es troben.
La diferència entre els dos tipus de resposta ve donada per l’amplitud de la banda dels filtres (bandes crítiques) del sistema auditiu.
- Entre 800 Hz i 3 000 Hz, l’amplitud de banda dels formants és menor que la del filtre auditiu.
- En un espectre de soroll amb freqüència superior a 3 000 Hz, les amplituds s’aproximen.
D’aquesta manera es crea una discontinuïtat en les respostes del sistema auditiu a diferents estímuls acústics.
El model de la hiper- i la hipoarticulació (H&H Theory)
|
(Font de la imatge: tanjavolkova. (2017, 24 d’agost). InterSpeech 2017: The Home Straight! Phonetics at Stockholm University Blog. https://stockholmuniversityphonetics.com/2017/08/24/interspeech-2017-the-home-straight/)
|
L’objectiu de la comunicació és transmetre informació de l’emissor al receptor mitjançant una ona sonora.
La comunicació es dona en un context que condiciona el mode de producció de la parla.
Context que dificulta la intel·ligibilitat → estil hiperarticulat.
Context que permet predir el missatge o èmfasi en el contacte → estil hipoarticulat.
Problemes en la definició de la invariància a diferents nivells:
Articulatori:
- Objectius espacials que ha d’assolir el parlant per a la producció d’un determinat segment.
Acústic:
- Propietats espectrals de cada classe de sons.
Auditiu:
- Manteniment d’elements constants com el timbre vocàlic malgrat canvis en el sexe, l’edat o l’esforç vocal del parlant.
La invariància s’ha de definir en funció de la comprensió del missatge per part de l’oient.
La percepció de la parla és el resultat d’una combinació entre la informació contextual i la informació present en el senyal acústic.
El comportament articulatori es regeix per la plasticitat –reorganització orientada cap a l’oient– i l’economia –simplificació en benefici del parlant–.
El comportament auditiu es regeix per la informació present en el senyal acústic modulada per la informació existent en el context.
La variabilitat fonètica és el resultat de l’adaptació a l’intercanvi d’informació entre el parlant i l’oient.
Perquè la parla sigui intel·ligible, la suma de la informació explícita en l’ona sonora i la informació contextual ha d’assolir un cert llindar.
Cal un contrast suficient entre les característiques del senyal per arribar a la discriminació de les unitats que permeti la comprensió del missatge.
Quan el senyal acústic és pobre (→ hipoarticulació) es requereix molta informació contextual.
Quan la informació contextual és pobra, cal un senyal acústic clar (→ hiperarticulació).
Hipoarticulació
Velocitat d’elocució ràpida.
Caracteritzada per la presència de fenòmens com la reducció vocàlica o les elisions de segments.
Hiperarticulació
Tipus de pronunciació que s’empraria, per exemple, per repetir una paraula que una persona no ha entès en una conversa telefònica amb sorolls de fons.
Lindblom, B. (1987). Adaptive variability and absolute constancy in speech signals: Two themes in the quest for phonetic invariance. A Proceedings XIth ICPhS: The Eleventh International Congress of Phonetic Sciences. August 1–8, 1987, Tallinn, Estonia, U.S.S.R. (p. 9–18, Vol. 3). Academy of Sciences of the Estonian S.S.R. https://www.coli.uni-saarland.de/groups/FK/speech_science/icphs/ICPhS1987/11_ICPhS_1987_Vol_3/p11.3_009.pdf
Variabilitat adaptativa en el comportament del parlant.
La percepció de la parla es pot considerar el resultat de la interacció entre el senyal sonor i la situació comunicativa.
Ambdues es complementen per a que la transmissió de la informació es dugui a terme de la manera més eficient possible.